C++ STL中雜湊表 hash_map介紹

0 為什麼需要hash_map

用過map吧？map提供一個很常用的功能，那就是提供key-value的儲存和尋找功能。例如，我要記錄一個人名和相應的儲存，而且隨時增加，要快速尋找和修改：

嶽不群－華山派掌門人，人稱君子劍張三丰－武當掌門人，太極拳創始人東方不敗－第一高手，葵花寶典...
這些資訊如果儲存下來並不複雜，但是找起來比較麻煩。例如我要找"張三丰"的資訊，最傻的方法就是取得所有的記錄，然後按照名字一個一個比較。如果要速度快，就需要把這些記錄按照字母順序排列，然後按照二分法尋找。但是增加記錄的時候同時需要保持記錄有序，因此需要插入排序。考慮到效率，這就需要用到二叉樹。講下去會沒完沒了，如果你使用STL 的map容器，你可以非常方便的實現這個功能，而不用關心其細節。關於map的資料結構細節，感興趣的朋友可以參看學習STL map, STL set之資料結構基礎。看看map的實現:
#include <map>#include <string>using namespace std;...map<string, string> namemap;//增加。。。namemap["嶽不群"]="華山派掌門人，人稱君子劍";namemap["張三丰"]="武當掌門人，太極拳創始人";namemap["東方不敗"]="第一高手，葵花寶典";...//尋找。。if(namemap.find("嶽不群") != namemap.end()){        ...}
不覺得用起來很easy嗎？而且效率很高，100萬條記錄，最多也只要20次的string.compare的比較，就能找到你要找的記錄;200萬條記錄事，也只要用21次的比較。
速度永遠都滿足不了現實的需求。如果有100萬條記錄，我需要頻繁進行搜尋時，20次比較也會成為瓶頸，要是能降到一次或者兩次比較是否有可能？而且當記錄數到200萬的時候也是一次或者兩次的比較，是否有可能？而且還需要和map一樣的方便使用。
答案是肯定的。這時你需要has_map. 雖然hash_map目前並沒有納入C++ 標準模板庫中，但幾乎每個版本的STL都提供了相應的實現。而且應用十分廣泛。在正式使用hash_map之前，先看看hash_map的原理。
1 資料結構：hash_map原理
這是一節讓你深入理解hash_map的介紹，如果你只是想囫圇吞棗，不想理解其原理，你倒是可以略過這一節，但我還是建議你看看，多瞭解一些沒有壞處。
hash_map基於hash table（雜湊表）。 雜湊表最大的優點，就是把資料的儲存和尋找消耗的時間大大降低，幾乎可以看成是常數時間；而代價僅僅是消耗比較多的記憶體。然而在當前可利用記憶體越來越多的情況下，用空間換時間的做法是值得的。另外，編碼比較容易也是它的特點之一。
其基本原理是：使用一個下標範圍比較大的數組來儲存元素。可以設計一個函數（雜湊函數，也叫做散列函數），使得每個元素的關鍵字都與一個函數值（即數組下標，hash值）相對應，於是用這個數組單元來儲存這個元素；也可以簡單的理解為，按照關鍵字為每一個元素“分類”，然後將這個元素儲存在相應“類”所對應的地方，稱為桶。
但是，不能夠保證每個元素的關鍵字與函數值是一一對應的，因此極有可能出現對於不同的元素，卻計算出了相同的函數值，這樣就產生了“衝突”，換句話說，就是把不同的元素分在了相同的“類”之中。 總的來說，“直接定址”與“解決衝突”是雜湊表的兩大特點。
hash_map，首先分配一大片記憶體，形成許多桶。是利用hash函數，對key進行映射到不同地區（桶）進行儲存。其插入過程是：
  

   
得到key 
   
通過hash函數得到hash值 
   
得到桶號(一般都為hash值對桶數求模) 
   
存放key和value在桶內。 
  
其取值過程是:
  

   
得到key 
   
通過hash函數得到hash值 
   
得到桶號(一般都為hash值對桶數求模) 
   
比較桶的內部元素是否與key相等，若都不相等，則沒有找到。 
   
取出相等的記錄的value。 
  
hash_map中直接地址用hash函數產生，解決衝突，用比較函數解決。這裡可以看出，如果每個桶內部只有一個元素，那麼尋找的時候只有一次比較。當許多桶內沒有值時，許多查詢就會更快了(指查不到的時候).
由此可見，要實現雜湊表, 和使用者相關的是：hash函數和比較函數。這兩個參數剛好是我們在使用hash_map時需要指定的參數。
2 hash_map 使用2.1 一個簡單一實例
不要著急如何把"嶽不群"用hash_map表示，我們先看一個簡單的例子：隨機給你一個ID號和ID號相應的資訊，ID號的範圍是1～2的31次方。如何快速儲存尋找。
#include <hash_map>#include <string>using namespace std;int main(){        hash_map<int, string> mymap;        mymap[9527]="唐伯虎點秋香";        mymap[1000000]="百萬富翁的生活";        mymap[10000]="白領的工資底線";        ...        if(mymap.find(10000) != mymap.end()){                ...        }
夠簡單，和map使用方法一樣。這時你或許會問？hash函數和比較函數呢？不是要指定嗎？你說對了，但是在你沒有指定hash函數和比較函數的時候，你會有一個預設的函數，看看hash_map的聲明，你會更加明白。下面是SGI STL的聲明：
template <class _Key, class _Tp, class _HashFcn = hash<_Key>,class _EqualKey = equal_to<_Key>,class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >class hash_map{        ...}
也就是說，在上例中，有以下等同關係：
...hash_map<int, string> mymap;//等同於:hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc我們就不要取關注太多了(希望深入瞭解Allocator的朋友可以參看標準庫 STL ：Allocator能做什麼)
2.2 hash_map 的hash函數
hash< int>到底是什麼樣子？看看源碼:
struct hash<int> {        size_t operator()(int __x) const { return __x; }};
原來是個函數對象。在SGI STL中，提供了以下hash函數：
struct hash<char*>struct hash<const char*>struct hash<char> struct hash<unsigned char> struct hash<signed char>struct hash<short>struct hash<unsigned short> struct hash<int> struct hash<unsigned int>struct hash<long> struct hash<unsigned long>
也就是說，如果你的key使用的是以上類型中的一種，你都可以使用預設的hash函數。當然你自己也可以定義自己的hash函數。對於自訂變數，你只能如此，例如對於string，就必須自訂hash函數。例如：
struct str_hash{        size_t operator()(const string& str) const        {                unsigned long __h = 0;                for (size_t i = 0 ; i < str.size() ; i ++)                __h = 5*__h + str[i];                return size_t(__h);        }};//如果你希望利用系統定義的字串hash函數，你可以這樣寫：struct str_hash{        size_t operator()(const string& str) const        {                return __stl_hash_string(str.c_str());        }};
在聲明自己的雜湊函數時要注意以下幾點：
        

         
使用struct，然後重載operator(). 
         
返回是size_t 
         
參數是你要hash的key的類型。 
         
函數是const類型的。 
        
如果這些比較難記，最簡單的方法就是照貓畫虎，找一個函數改改就是了。
現在可以對開頭的"嶽不群"進行雜湊化了  . 直接替換成下面的聲明即可：
map<string, string> namemap; //改為：hash_map<string, string, str_hash> namemap;
其他用法都不用邊。當然不要忘了吧str_hash的聲明以及標頭檔改為hash_map。
你或許會問：比較函數呢？別著急，這裡就開始介紹hash_map中的比較函數。
2.3 hash_map 的比較函數
在map中的比較函數，需要提供less函數。如果沒有提供，預設的也是less< Key> 。在hash_map中，要比較桶內的資料和key是否相等，因此需要的是是否等於的函數:equal_to< Key> 。先看看equal_to的源碼：
//本代碼可以從SGI STL//先看看binary_function 函式宣告，其實只是定義一些類型而已。template <class _Arg1, class _Arg2, class _Result>struct binary_function {        typedef _Arg1 first_argument_type;        typedef _Arg2 second_argument_type;        typedef _Result result_type;};//看看equal_to的定義：template <class _Tp>struct equal_to : public binary_function<_Tp,_Tp,bool>{        bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }};
如果你使用一個自訂的資料類型，如struct mystruct, 或者const char* 的字串，如何使用比較函數？使用比較函數，有兩種方法. 第一種是：重載==操作符，利用equal_to;看看下面的例子：
struct mystruct{        int iID;        int  len;        bool operator==(const mystruct & my) const{                return (iID==my.iID) && (len==my.len) ;        }};
這樣，就可以使用equal_to< mystruct>作為比較函數了。另一種方法就是使用函數對象。自訂一個比較函數體：
struct compare_str{        bool operator()(const char* p1, const char*p2) const{                return strcmp(p1,p2)==0;        }};
有了compare_str，就可以使用hash_map了。
typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;StrIntMap namemap;namemap["嶽不群"]="華山派掌門人，人稱君子劍";namemap["張三丰"]="武當掌門人，太極拳創始人";namemap["東方不敗"]="第一高手，葵花寶典";
2.4 hash_map 函數
hash_map的函數和map的函數差不多。具體函數的參數和解釋，請參看：STL 編程手冊：Hash_map，這裡主要介紹幾個常用函數。
             

              
hash_map(size_type n) 如果講究效率，這個參數是必須要設定的。n 主要用來設定hash_map 容器中hash桶的個數。桶個數越多，hash函數發生衝突的機率就越小，重新申請記憶體的機率就越小。n越大，效率越高，但是記憶體消耗也越大。 
              
const_iterator find(const key_type& k) const. 用尋找，輸入為索引值，返回為迭代器。 
              
data_type& operator[](const key_type& k) . 這是我最常用的一個函數。因為其特別方便，可像使用數組一樣使用。不過需要注意的是，當你使用[key ]操作符時，如果容器中沒有key元素，這就相當於自動增加了一個key元素。因此當你只是想知道容器中是否有key元素時，你可以使用find。如果你希望插入該元素時，你可以直接使用[]操作符。 
              
insert 函數。在容器中不包含key值時，insert函數和[]操作符的功能差不多。但是當容器中元素越來越多，每個桶中的元素會增加，為了保證效率，hash_map會自動申請更大的記憶體，以產生更多的桶。因此在insert以後，以前的iterator有可能是停用。 
              
erase 函數。在insert的過程中，當每個桶的元素太多時，hash_map可能會自動擴充容器的記憶體。但在sgi stl中是erase並不自動回收記憶體。因此你調用erase後，其他元素的iterator還是可用的。 
             
 
3 相關hash容器
hash 容器除了hash_map之外，還有hash_set, hash_multimap, has_multiset, 這些容器使用起來和set, multimap, multiset的區別與hash_map和map的區別一樣，我想不需要我一一細說了吧。
4 其他
這裡列幾個常見問題，應該對你理解和使用hash_map比較有協助。
4.1 hash_map和map的區別在哪裡？
             

              
建構函式。hash_map需要hash函數，等於函數；map只需要比較函數(小於函數). 
              
儲存結構。hash_map採用hash表格儲存體，map一般採用紅/黑樹狀結構(RB Tree)實現。因此其memory資料結構是不一樣的。 
             
4.2 什麼時候需要用hash_map，什麼時候需要用map?
總體來說，hash_map 尋找速度會比map快，而且尋找速度基本和資料資料量大小，屬於常數層級;而map的尋找速度是log(n)層級。並不一定常數就比log(n)小，hash還有hash函數的耗時，明白了吧，如果你考慮效率，特別是在元素達到一定數量級時，考慮考慮hash_map。但若你對記憶體使用量特別嚴格，希望程式儘可能少消耗記憶體，那麼一定要小心，hash_map可能會讓你陷入尷尬，特別是當你的hash_map對象特別多時，你就更無法控制了，而且hash_map的構造速度較慢。
現在知道如何選擇了嗎？權衡三個因素: 尋找速度, 資料量, 記憶體使用量。
這裡還有個關於hash_map和map的小故事，看看:http://dev.csdn.net/Develop/article/14/14019.shtm
 
4.3 如何在hash_map中加入自己定義的類型?
你只要做兩件事, 定義hash函數，定義等於比較函數。下面的代碼是一個例子：
-bash-2.05b$ cat my.cpp#include <hash_map>#include <string>#include <iostream>using namespace std;//define the classclass ClassA{        public:        ClassA(int a):c_a(a){}        int getvalue()const { return c_a;}        void setvalue(int a){c_a;}        private:        int c_a;};//1 define the hash functionstruct hash_A{        size_t operator()(const class ClassA & A)const{                //  return  hash<int>(classA.getvalue());                return A.getvalue();        }};//2 define the equal functionstruct equal_A{        bool operator()(const class ClassA & a1, const class ClassA & a2)const{                return  a1.getvalue() == a2.getvalue();        }};int main(){        hash_map<ClassA, string, hash_A, equal_A> hmap;        ClassA a1(12);        hmap[a1]="I am 12";        ClassA a2(198877);        hmap[a2]="I am 198877";                cout<<hmap[a1]<<endl;        cout<<hmap[a2]<<endl;        return 0;}-bash-2.05b$ make myc++  -O -pipe -march=pentiumpro  my.cpp  -o my-bash-2.05b$ ./myI am 12I am 198877
4.4如何用hash_map替換程式中已有的map容器？
這個很容易，但需要你有良好的編程風格。建議你盡量使用typedef來定義你的類型：
typedef map<Key, Value> KeyMap;
當你希望使用hash_map來替換的時候，只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不變。當然，你需要注意是否有Key類型的hash函數和比較函數。
4.5為什麼hash_map不是標準的？
具體為什麼不是標準的，我也不清楚，有個解釋說在STL加入標準C++之時，hash_map系列當時還沒有完全實現，以後應該會成為標準。如果誰知道更合理的解釋，也希望告訴我。但我想表達的是，正是因為hash_map不是標準的，所以許多平台上安裝了g++編譯器，不一定有hash_map的實現。我就遇到了這樣的例子。因此在使用這些非標準庫的時候，一定要事先測試。另外，如果考慮到平台移植，還是少用為佳。